Utilisation d'un modele d'accès lexical et de concepts perceptifs pour la reconnaissance d'images de mots cursifs

Automatic reading of cursive scripts using a reading model and perceptual concepts

• Auteur / Autrice : Myriam Coté
• Direction : Eric Lecolinet
• Type : Thèse de doctorat
• Discipline(s) : Sciences appliquées
• Date : Soutenance en 1997
• Etablissement(s) : Paris, ENST

Résumé

Cette thèse a pour objectif la reconnaissance d'images de mots cursifs isoles. Nous avons développé une méthode de reconnaissance qui modélise les effets contextuels en s'inspirant des études réalisées en psychologie expérimentale et que nous avons appelé le système percepto. Nous nous sommes donc intéresses plus particulièrement au modele de lecture propose par mcclelland & rumelhart parce qu'il prend en compte l'effet de supériorité du mot (supériorité de la reconnaissance des lettres dans un contexte sur la reconnaissance de lettres prises isolement). Notre méthode de reconnaissance a pour principes fondamentaux les idées présentées dans le modele de m & r auxquelles nous avons ajoute d'autres concepts lies spécifiquement à la reconnaissance d'écriture cursive : primitives adaptées au manuscrit, gestion de l'ambiguïté de la position des lettres, analyse contextuelle. Ainsi, notre méthode possède comme leur modele, les caractéristiques suivantes : réseau connexionniste, traitement parallèle de l'information, mécanisme d'activation se propageant entre les trois couches de détecteurs selon des processus ascendants et descendants. De plus, afin de réaliser la reconnaissance de mots cursifs, nous utilisons des primitives adaptées au manuscrit qui ne servent de points d'ancrage à la reconnaissance tels que les ascendants, les descendants et les boucles. Nous traitons les ambiguïtés relatives à la position des lettres en introduisant un appariement flou. La position et les lettres manquantes sont trouvées grace à l'exploitation de l'information contextuelle proposée par un lexique et cela, via une suite de cycles perceptifs permettant de converger vers une solution de reconnaissance. L'implémentation de la méthode et sa validation sur une base d'images réelles a donné des résultats encourageants. Nous analysons ensuite ces résultats et concluons sur les perspectives prometteuses de cette méthode.